神经网络、lgistics回归与聚类分析实训.doc

神经网络、lgistics回归与聚类分析实训.doc

ID:56201832

大小:41.00 KB

页数:6页

时间:2020-03-20

神经网络、lgistics回归与聚类分析实训.doc_第1页
神经网络、lgistics回归与聚类分析实训.doc_第2页
神经网络、lgistics回归与聚类分析实训.doc_第3页
神经网络、lgistics回归与聚类分析实训.doc_第4页
神经网络、lgistics回归与聚类分析实训.doc_第5页
资源描述:

《神经网络、lgistics回归与聚类分析实训.doc》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、n更多企业学院:《中小企业管理全能版》183套讲座+89700份资料《总经理、高层管理》49套讲座+16388份资料《中层管理学院》46套讲座+6020份资料 《国学智慧、易经》46套讲座《人力资源学院》56套讲座+27123份资料《各阶段员工培训学院》77套讲座+324份资料《员工管理企业学院》67套讲座+8720份资料《工厂生产管理学院》52套讲座+13920份资料《财务管理学院》53套讲座+17945份资料 《销售经理学院》56套讲座+14350份资料《销售人员培训学院》72套讲座+4879份资料实验(实训)报告项目名称神经

2、网络、logistics回归与聚类分析所属课程名称客户关系管理项目类型操作型实验(实训)日期2011-11-15班级10信息C1班学号1001041301姓名指导教师陈远高浙江财经学院教务处制一、实验(实训)概述:【目的及要求】目的:熟悉Clementine数据流的构建过程,掌握logistic、神经网络与聚类分析模型的应用。要求:根据实验步骤完成数据流建立,并获得分析结果。实验结束后提交实验报告。【基本原理】数据挖掘流程;logistic模型;神经网络模型、聚类分析模型【实施环境】(使用的材料、设备、软件)Windows操作系统

3、,Clementine11.1二、实验(实训)内容:【项目内容】应用Clementine11.1中的神经网络模型、logistics模型、聚类分析模型进行数据分析。【方案设计】注意:在建模操作过程中,请将生成的模型名称改为自己的学号和姓名。1应用GOODS1n数据,对于产品类型、促销等因素对于销售影响情况进行分析。a)增加Increase字段,表示销售变化率;b)通过散点图进行探索性分析;c)使用神经网络节点生成预测模型;d)使用该模型预测GOODS2n中的销售变化率;2应用Satisf.sav数据,应用以下模型进行分析:a)应用

4、特征选择模型,找出影响消费者购买与否(Purchase)主要因素,然后通过Logistic模型生成预测消费是否购买的预测模型;b)应用神经网络模型,根据消费者个人基本信息(gender、agecat、distance)和满意因素(price、numitems、org、service、quality)预测顾客总体满意度(overall);3应用NewsChan.sav数据,通过聚类模型对于有线电视客户进行分类(NEWSCHAN字段不作为分类的输入变量),看看不同类的客户具有哪些特征,哪些类别的客户更愿意预订有线电视服务(即NEWSC

5、HAN字段为真值)。【实验(实训)过程】(步骤、记录、数据、程序等)问题1使用神经网络模型预测GOODS1n中的销售变化率①新建数据源可变文件,导入数据GOODS1n②增加Increase字段,表示销售变化率;③新建字段选项类型,读取值,修改字段类型和方向④新建图形散点图,X字段选Promotion,Y字段选Increase,颜色选Class⑤执行散点图Promotionv.Increase的结果⑥新建建模神经网络,并命名为100104130103龚杨春神经网络⑦执行神经网络的结果⑧执行表的结果使用该模型预测GOODS2n中的销售

6、变化率①导入数据GOODS2n②执行散点图Promotionv.Increase的结果③执行神经网络的结果④执行表的结果问题1实验结果分析:产品类型是消费者最关注的购买因素。其次是促销,促销投入越大,销量增长越快。问题2使用Logistic模型生成预测消费是否购买的预测模型①新建数据源SPSS文件,导入数据satisf.sav②新建字段选项类型,读取值,修改字段类型和方向③新建建模特征选择,在“选项”选项卡上,选择最重要的10个变量④执行特征选择的结果⑤新建建模Logistic,在“注解”选项卡上命名为100104130103龚杨

7、春Logistic,在“模型”选项卡上过程选择二项式,然后进行Logistic模型预测⑥执行Logistic的结果问题2实验结果分析:影响消费者购买的10个重要性因素:Regular、Followup、Contact、Dept、Quality、Overall、Gender、Agecat、Service、Distance。在分类表中,可以看到模型中加入10个变量后购买率达到69.6%神经网络模型预测顾客总体满意度①新建数据源SPSS文件,导入数据satisf.sav②新建字段选项类型,读取值,修改字段类型和方向③新建建模神经网络,在

8、“注解”选项卡上命名为100104130103龚杨春神经网络,然后进行神经网络模型预测④执行神经网络结果问题2实验结果分析:从神经网络模型看,消费者个人基本信息和满意因素对顾客总体满意度预测准确性只有39.13%。问题3问题3实验结果分析:从图中可

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。